千呼万唤之下，证券行业薪酬指引出炉！

5月13日晚间，中证协发布《证券公司建立稳健薪酬制度指引》，对券商及券商子公司建立稳健薪酬制度给出基本规范要求，并要求各家券商保证稳健薪酬制度的有效落实。

中证协指出，引导证券公司建立稳健的薪酬制度，是夯实证券行业高质量发展基础的重要举措，也促进行业稳健经营和可持续发展的重要保障。下一步协会将做好《指引》有关要求的解读工作，引导证券公司遵循《指引》提出的原则目标与基本规范，进一步完善公司相关制度，健全薪酬激励约束机制。

无论是在小红书上“凡尔赛”吐槽交税太多的券商女员工，还是发文敬告部门员工规范奢侈品使用的某券商固收部门，其行为都曾引起市场对证券行业高薪酬的侧目。证券行业的薪酬问题引发监管高度重视，今年年初，中证协曾向券商下发薪酬管理制度调研的通知。在此次《指引》落地后，后续各家券商薪酬制度的变化值得关注。

具体来看，此次《指引》共25条，由总则、原则与目标、制定与实施、基本规范、自律管理及附则等内容组成，来看重点内容：

确保合规底线要求

明确制度监督机构

在《指引》中，明确提出证券公司建立薪酬制度应遵循的原则与目标。证券公司建立稳健薪酬制度应以贯彻稳健经营理念、确保合规底线要求、促进形成正向激励、提升公司长期价值为原则目标。通过建立健全稳健薪酬制度夯实证券行业高质量发展的治理基础、风控基础、合规基础、文化基础和人才基础。

贯彻稳健经营理念——证券公司应当将薪酬管理与风险管理紧密结合，制定与风险水平、特征及持续期限相匹配的激励约束机制，保障全面风险管理的有效落实，实现稳健经营。

确保合规底线要求——证券公司应当通过完善公司治理、明确各方职责、强化监督机制，保障薪酬制度有效落实，确保薪酬约束机制与合规管理有效衔接，避免过度激励、短期激励引发合规风险。

促进形成正向激励——证券公司应当根据职业操守、廉洁从业情况、合规风控效果、社会责任履行情况、客户服务水平、股东长期利益等情况，同时结合业务特点建立健全薪酬管理机制，提升公司服务实体经济与国家战略能力。

提升公司长期价值——证券公司应当将“合规、诚信、专业、稳健”的文化理念融入薪酬管理，建立着眼长期发展的人才培养机制和激励机制，依靠德才兼备的高质量人才为公司和社会创造价值，促进公司和行业可持续发展。

在薪酬制度的执行和实施方面，《指引》明确要求由证券公司董事会负责根据上述原则建立公司薪酬制度，并负责督促制度的有效落实，承担薪酬管理的主体责任。同时，证券公司应建立薪酬制度执行的监督机制，明确制度具体实施与监督的部门或机构，负责对薪酬相关制度进行核查并定期提交董事会审议。

拒绝过度激励

薪酬与项目“脱钩”

如何制定“稳健”的薪酬制度？《指引》中明确要求，证券公司在制定薪酬制度时，应当结合行业特点制定稳健薪酬方案，充分考虑市场周期波动影响和行业及公司业务发展趋势，适度平滑薪酬发放安排，同时做好薪酬激励的极值管控和节奏控制。

在养老金制度火热出炉之后，《指引》也在第一时间纳入养老金相关内容：《指引》建议证券公司在制定薪酬制度时，可依照有关法律法规规定，建立与公司长期利益相一致的企业年金、员工持股、股权激励等薪酬机制，支持鼓励公司员工建立个人养老金账户，推动稳健薪酬机制与养老金制度有机结合。

名为“稳健”薪酬制度，对应的自然是对“激进”薪酬制度的打击。《指引》中表示，证券公司在制定薪酬制度时，应当保障全面风险管理和合规管理的有效落实，不片面追求市场排名、规模类指标和短期业绩，制定防止因过度激励引发风险隐患或合规风险的具体规定，不得为员工提供对冲措施降低薪酬与风险的关联性。

《指引》还同时要求，薪酬制度中应当明确不通过包干、人员挂靠等方式开展业务，不通过直接按比例分成等独立考核方式实施过度激励，不将从业人员的薪酬收入与其承做或承揽的项目收入直接挂钩。

针对“领导层”们的薪酬，《指引》中也给出了特别规定：证券公司在制定薪酬制度时，应当对董事长、高级管理人员、主要业务部门负责人、分支机构负责人和核心业务人员建立薪酬递延支付机制，明确适用条件、支付标准、年限和比例等内容。递延支付年限应当与相关业务的风险持续期限相匹配，递延支付速度应当不快于等分比例。

递延支付之外，证券公司应建立严格的问责机制增强薪酬管理的约束力，包括但不限于奖金、津贴等薪酬止付、追索与扣回等内容，对违法违规或导致公司有过度风险敞口的高管和关键岗位等相关责任人员追究内部经济责任。

无论是递延支付，还是薪酬止付、追索，都是此前业内曾实行并切实有效的手段。例如，在2020年江海证券被监管重罚、债券自营、资管备案、股票质押式回购三大业务被暂停6个月之时，相关高管也被限制领取基本工资以外的报酬和福利，已支付的部分需退回。此次《指引》将相关措施落实到具体条文中，将对高管及从业人员起到震慑效果。

纳入声誉风险管理

执行不力扣1分

薪酬问题一向是各家公司“三缄其口”的内容和核心机密，但薪酬管理理念则是可以大方讨论的内容。《指引》要求，证券公司应当在年报中披露公司薪酬管理的理念与导向、原则与目标，并应当按照相关规定要求披露薪酬有关信息，确保符合实际、标准一致。

对内部员工，证券公司也应当明确告知员工公司薪酬制度的主要原则、劳动纪律相关要求及薪酬保密有关规定等内容，引导员工树立正确的价值理念，知晓风险因素调整、不当行为等对薪酬的潜在影响。

值得关注的是，《指引》要求证券公司将薪酬管理纳入声誉风险管理体系，加强薪酬相关声誉风险管理。在此前中证协预计推出的《证券公司文化建设实践评估办法（试行）》中也曾明确：薪酬激励过于激进，未能体现建立长期激励机制和稳健薪酬制度要求的，最高扣1分。

过去几年里，证券行业因薪酬问题引发的声誉风险颇为常见。今年1月，某“券商女分析师”在小红书上“凡尔赛”，吐槽交税太多，然后晒了自己一年的收入200多万。月收入基本都在10万以上，最低的一个月也有6万多收入。虽然当事人辟谣称“盗图”，但仍引发大量讨论及质疑。

此后，网络上流传出某券商“固定收益融资部员工社会行为准则”，要求不允许开100万以上的豪车、不许戴15万以上的高档表、不许用5万以上的包及其他奢侈品，不允许在社交app上发收入截图，对外招聘时不许标注高薪、高提成、强资源等要素，同样被网友认为是“反向炫富”。

证券行业的薪酬到底有多高？简单以2021年年报披露情况来看，Wind数据显示，近30家上市券商/概念股的人均薪酬超过50万元。至于业内所称的“99司”、“75司”（薪酬水平高于99％、75％的其他券商）等名号，虽然只是调侃，但难言是在给证券行业带来正面形象。

具体到证券公司的不同岗位，业内共识是前台一线业务人员薪酬水平普遍高于中后台人员。回顾近年来经常引起媒体关注的案例，投行人员经常以项目奖金受到关注，而研究所高薪挖角蔚然成风，资管人士往往以性价比高自居，自营员工更是“闷声发大财”。这一切背后的共识，是证券行业整体薪酬的居高不下。

实际上，早在2008年年初，监管就已经开始提及国内券商行业高管的限薪措施。近期证监会连续发文，要求券商对薪酬收入建立长期有效的激励机制，不能与所做项目直接挂钩。在此次《指引》落地后，后续各家券商薪酬制度的变化值得关注。

本文源自中国基金报

上一篇文章（详见《固定收益产品与利率衍生品的估值探讨》）我们讨论了利率动态模型及基于动态模型的利率衍生品的估值计算。利率动态模型在当前越来越受到重视，很大程度是因为国际衍生产品的监管开始推广计算基于模拟的对手方信用风险敞口和信用价值调整，这两个指标都是针对金融产品交易，特别是场外金融产品交易设置的，测量因对手方潜在违约造成的损失。本文将针对对手方信用风险的概念和计量方式进行简述，并举例介绍动态模型及模拟在此方面的应用。

 

所谓对手方信用风险，是指金融合约的对手方违约而不能完成预定合约支付的风险。这一风险通常体现在场外交易中，场内交易因为交易所可以通过保证金、逐日盯市等方式，保证承诺现金流的兑现而减轻或消除对手方信用风险。

 

对手方信用风险类似于其他形式的信用风险，都是由于对手方信用质量的变化所导致的，对手方信用风险的评估计量中最重要的两个方面——一是对对手方信用风险的敞口进行建模，二是为对手方信用风险通过信用价值调整来定价。

 

一、对手方信用风险敞口

 

1.1 对手方信用风险概述

 

如对手方违约，风险敞口体现为当前合约的市场价值，而且只有当这一敞口大于0才会面临违约风险，因此，持有单一合约i的一方在违约时间t面临的对手方信用风险敞口 Ei(t)可以表示为：

 

 

其中Vi(t)是合约i在时间t的市场价值。

 

在计算对手方信用风险敞口的时候，可将持有的同一对手方的合约进行汇总，即计算汇总的敞口如下：

 

 

通常，在所有同一对手方的合约中有一部分是可以抵消的，即与对手方之间签署了抵消协议，当对手方违约时，允许使用对其的债权对其违约债务进行抵消。假设这些可以抵消的合约构成的集合为NAk，这样考虑抵消的对手方层面的汇总敞口可以计算为：

 

 

这里将与对手方k的所有合约划分为了两部分，第一部分是属于抵消集合的，这里的合约先抵消，再与0比较获得敞口，另一部分是不属于抵消集合，这里的合约先与0取最大值确定敞口，然后再汇总。

 

交易对手方信用风险敞口可以分为当前敞口（current exposure）与潜在敞口（AddOn exposure）两部分，其中当前敞口是指在当前发生违约所面临的以盯市价值计量的损失，即：

 

 

当前敞口通常不能构成对手方信用违约风险敞口的全部，因为违约事件是会在未来发生的，这使得对手方违约时机构所面临的敞口会根据标的风险因子的发生而随机变化。因此，潜在敞口（AddOn）就成为了对手方信用风险敞口管理的关键组成部分。

 

1.2 对手方信用风险的潜在敞口（AddOn）

 

与当前敞口不同，由于在未来各个时点交易的估值具有不确定性，因此潜在敞口构成了一个随机过程，其不同的分位点随违约时间可以有不同的表现方式，一般较为常用的是峰值敞口（PFE，potential future exposure）和平均敞口（EE, expected exposure），其中峰值敞口是在一定置信水平下可能达到的最大敞口，例如95%的峰值敞口表明只有5%的概率机构面临的敞口会超过该数值。根据巴塞尔协议，潜在风险敞口的计算公式可以表示为：

 

 

出于审慎原因，巴塞尔委员会对PFE中随超额抵押品增加而减少的部分使用乘数因子。当持有的抵押品的价值低于衍生工具合约的净价值时，此时重置成本为正，乘数为1，反之，重置成本为0，乘数小于1，计算公式如下：

 

 

在资产大类层面上计算总附加敞口的时候，通常需要确定每笔交易的主要风险因素，并将其归因于利率、外汇、信贷、股权或商品五类资产类别中的一种或多种，然后将该资产类别下的全部衍生交易工具按照不同抵消组合进行划分，并分别计算每个抵消组合的附加敞口。巴塞尔协议的一般模型中，利率类、汇率类和商品类资产在资产大类层面并不存在附加风险敞口互相冲抵的问题。但信用类和股权类资产则引入相关系数 ρ ，体现附加敞口的相关变化，使用下表所述公式分别计算：

 

 

1.3计算对手方信用风险敞口的因子附加法（AddOn方法）

 

使用因子附加法计算对手方信用风险敞口是一种直接估计附加敞口值的方法，这种方法首先对每一笔的衍生产品交易进行市值评估，在此基础上，再根据不同的风险驱动因子和期限，附加一定的风险敞口。按照参数估计方式的不同，因子附加法计算分为使用巴塞尔协议的方法或者内部模型法。

 

首先，巴塞尔协议对不同的风险驱动因素的交易敞口设定了经验性风险附加系数，不同剩余期限内各类衍生交易工具的系数如下表所示：

 

 

这里，远期、互换、期权或类似衍生品，都归于“其他商品”类。当单个衍生交易工具包含多个风险因素，取转换系数最高的值作为该衍生工具的系数。如一笔外币债券，包含利率和汇率风险因素，此时应选择转换系数较高的汇率转换系数来计算附加因子。

 

举例来说，假设某项风险因素为汇率的金融产品交易的名义金额为500万元，附加风险因子查表为1%，当前估值为40万元，因此风险敞口可以计算为40+500x1%=45万元。

 

除了使用监管给出的系数外，机构还可以通过开发内部模型对附加因子进行估计，通常这类模型都是通过数据分析方法，拟合PFE敞口与时间关系的模式（Exposure Profile）来得到，通过分析常见的衍生品的敞口与时间关系的模式，可以用如下的多项式来进行参数拟合：

 

 

其中系数α,b,c,d,e是需要通过历史数据分析来计算的参数。根据不同的产品，它们可能有值或者为0，例如，对于回购这类合约，依赖于利率因子，通常它的敞口模式只与d√t相关，而对于互换，其敞口可能与α,b,c,d,e参数都有关，为一二次多项式。

 

另外，为了匹配使用蒙特卡洛模拟方法对当前敞口MtM的估计，可以对上述多项式拟合后的AddOn取值进行随机化，这样计算每个未来时点对应的每条模拟路径上，包含了随机化的附加敞口后的对手方信用风险敞口估值公式为：

 

 

二、对手方信用风险敞口模拟建模

 

2.1模拟建模的方法

 

通过蒙特卡洛模拟方法对对手方风险敞口进行计算是一种比较通用和一般的方式，它适用于各种产品类型的敞口计算。基本的方法是通过随机模拟产生风险驱动因子，计量这些风险情境下的风险敞口的大小。在此，我们介绍一个基于模拟方法计算潜在未来敞口PFE的基本框架。它事实上可以应用于不同的敞口分布，包括计算这些分布特征为基础的统计指标，如标准差，分位数等。

 

通过模拟方法计算对手方信用风险的框架可以划分为连续的三个组成部分（步骤）：

 

 

上述过程计算的结果体现为每个模拟点上一组对手方级别的敞口实现值（每一个实现对应于一个市场情景），通常模拟时间点（time buckets）的选择会与机构持有的衍生品的事件日期相对应，从日度，到周度，月度，年度等等，而每个时间点上对应的情景模拟点通常选择几千个至上万个，这样的计算过程可以直观的如下图所示：

 

 

为了生成未来每个模拟日的风险因子的情景，我们需要这些情景的描述模型，针对不同的标的资产类型，常见的风险因子的描述模型如下表所示：

 

 

经过验证后的模型参数构造的动态模型可以通过随机化的方式来进行模拟，而模拟可以使用真实或风险中性的概率测度并匹配对应的计价单位资产，这通过灵活配置实现系统化。当然除了上述模型以外，其他的动态模型在这样的对手方信用风险敞口计算的框架下也很容易扩展。

 

对手方信用风险敞口计算的第二步是在每一个未来时间的风险情景中，对衍生产品进行估值。通常由于估值情景较多，产品比较复杂，倾向于使用快速的估值方法，例如基于解析解的近似估值或者是基于PDE的有限差分方法等。这样的估值方法可能与前台业务部门会有很大的不同。当然随着硬件以及算法的进步，基于模拟的估值通过现金流脚本和自动伴随微分（algorithmic adjoint differentiation，AAD）等手段实现在对手方信用风险测量体系下的估值应用。

 

除了计算效率以外，对手方信用风险敞口计算中估值的另一个难点来自于路径依赖性。因为模拟方法计算对手方信用风险针对的是未来日期，在这个日期合约的状态是不知道的，例如合约是否发生了敲入敲出，是否产生了额外的现金流等，因此需要对模型进行一些拓展调整，这方面比较常用的一种方法是“条件估值法”，由Lomibao和Zhu(2005)所提出。通常，在所有关于过去的信息已知的情况下我们知道如何为衍生品估值，即在模拟日期tk的盯市价值估计为(tk,{X(t)}t≤tk )，其中 X(t)是影响衍生品合约价值的市场风险因子。但是，在对手方风险测算时，处于未来时点tk，完整的价格因子在tk的路径信息是随机的。而“条件估值法”的思想非常简单，就是将与模拟情景相一致的所有过去价格因子的变动路径计算期望值，从而得到未来时点的估值。数学上可以将未来某个模拟日期衍生品的价值设置等于依赖于今天到模拟日期之间全部信息的盯市价值的数学期望，用公式可以表示为：

 

 

其中 xj是满足j≤k的模拟时点风险变量的实现值，对此首先进行条件估值，然后取均值得到无条件估值。Lomibao和Zhu（2005）证明了这些条件估值对于障碍期权，平均值期权或者是实物交割的互换期权可以得到解析解，而且这样的模型也是对于所有的合约统一模式的，适用于各种对冲抵消组合。

 

2.2 模拟建模举例1——权益标的香草衍生品

 

为了展示对手方信用风险敞口模拟方法的实际计算，我们在这里使用一个权益香草期权的例子。

 

首先，我们确定使用几何布朗运动来描述标的价格的运动过程，并且假设这是唯一需要考虑的风险因素，即生成模拟情景使用的模型为：

 

 

其中，r是常数无风险利率，我们设置它为5%，σ是常数标的价格波动率，设置为30%，在常数几何布朗运动的设置下，标的价格的模拟过程可以使用下面的递推公式得到：

 

 

其中ϕ是来自于标准正态分布的随机数抽样。

 

假设我们要计算敞口的产品是一项基于上述股票的香草看涨期权，期限为90个日历日，行权价为1.1，假设计算敞口当日的标的价格为1，可以通过Black-Scholes公式计算其估值日的公允价值为0.028。为了简单，我们假设合约生命期内的每一天都是模拟日期，并且没有股利的支付，在合约生命周期内的每一天计算敞口。

 

按照模拟的方法在每一个计算日生成5000个情景，并在每一个时间点对所有情境下的合约进行估值，可以得到期望敞口（EE），期望未来敞口（PFE）如下图所示：

 

 

再进一步，我们可以观察期望敞口的变化趋势，通过计算有效期望敞口（即历史回望的最大期望敞口）如下图所示：

 

 

2.3模拟建模举例2——基于HJM情景的利率互换

 

为了展示利率类衍生品的对手方信用风险敞口的计算，我们继续使用上一篇文章中计算的利率互换，其固定端支付的利率为3.5%，根据之前计算的结果，浮动端和折现时利率的取值如下表所示：

 

 

与之前只在0时刻（当前估值日）对利率互换的估值不同，计算对手方信用风险敞口需要在未来每一个模拟时点，计算合约的估值，我们假设每半年为一个模拟计算点，计算的剩余合约的收益支付的贴现值如下表所示：

 

 

这里，收益支付的计算方法与上一篇文章介绍的方法相同，例如，针对模拟时点1，期限为3.5的贴现收益支付计算公式为：

 

 

根据估值利率取值的规则，根据现金流的期限3.5年，应当选择的浮动利率rfloating为f(1.5,3.5)，取值为4.9420%，两项折现因子的计算分别根据下述公式取值计算：

 

 

将这些结果代入贴现收益支付的计算公式，可以得到：

 

 

通过将每个时点的剩余现金流的贴现收益支付进行汇总，可以得到每个未来模拟时间点上产品的盯市价值（如下表所示）。只有大于0的敞口才会使机构面临对手方信用风险，因此通过公式exposure=max(MtM,0)可以得到正敞口值如下表（本例中的这条路径中，所有的敞口取值均为正）：

 

 

蒙特卡洛模拟方法会生成多条路径（HJM模式下为利率模拟矩阵），按照相同的方式根据利率互换收益支付模式计算情景估值，可以得到每个模拟点上的各情景对手方信用风险敞口的分布，对此分布取95%的分位数连接成线，则可以得到该利率互换的对手方信用风险敞口PFE如下所示：

 

 

总结：信用价值调整

 

传统的衍生品交易和估值通常是不考虑对手方信用风险的，通过资产定价基本定理，运用设置的模型和数值方法，可以得到所谓无风险的价值。当考虑对手方出现信用违约时，往往需要对衍生品的价值做出调整，这就引出了“信用价值调整“的概念。信用价值调整(CVA) 是对手方信用风险的定价，将这部分价值加到无风险定价的价值之上可以得到考虑了对手方违约风险后的价值。

 

对信用价值调整的计算是建立在对手方风险敞口基础之上的，假设根据前述的方法计算了在某个未来时刻t的对手方风险敞口为E(t)，如果对手方违约，假设机构可以回收的比例为R，并且假设违约发生的时间为τ，这时可以将贴现的损失用公式描述为：

 

 

上式综合表达的含义是：预期的损失是对手方违约的条件下，不能被收回敞口的价值。

 

因为在预期信用损失中的价值是以对手方违约为条件的，所以，通过资产定价基本定理计算信用价值调整的时候应当考虑这一条件，也就是对手方违约的概率，这样CVA的计算可以使用下述公式表达：

 

 

这里的PD(s,t)是从时间s到t的风险中性的对手方违约的概率，这些概率可以通过信用违约互换（CDS）的报价中得到。

 

目前国内已有机构发布信用违约互换的报价，例如，中国外汇交易中心就在其官网上按日发布高等级CDS指数，民企CDS指数和长三角区域CDS指数，通过这些指数可以帮助估计违约概率，进而计算信用价值调整。

 

本文主要介绍了对手方风险的概念，特别就其敞口的计算方法进行了说明和举例，供大家参考和讨论。后续我们还将就如何提升估值引擎效率，以应对信用风险敞口和价值调整计算的思路进行介绍，包括利用现金流脚本进行估值中合约对冲合并，以及高效评估衍生产品价值变动（敏感性）的算法（AAD）等，还将就违约概率使用CDS报价进行估计的方法进行介绍，敬请期待。

 

【参考文献】

1. 《风险管理与巴塞尔协议十八讲》，杨军，中国金融出版社

2. Michael Pykhtin andSteven Zhu, 2007, A Guide to Modeling Counterparty Credit Risk, GlobalAssociation of Risk Professionals

 

往期内容推荐：

《固定收益产品与利率衍生品的估值探讨》

《场外衍生品蒙特卡洛模拟估值的新进展》

 

 

 

随着上市银行2021年年报陆续披露，房地产行业的风险水平初见端倪。

 

中国证券报·中证金牛座记者29日梳理多家银行年报发现，整体来看，截至2021年末，房地产业不良贷款余额、不良贷款率较2020年末有所上升。业内人士表示，这与商业银行加大房地产业的拨备计提力度有关。

 

谈及房地产行业风险水平，多家银行管理层在业绩说明会上表示风险敞口有限，风险总体可控，且未来将进一步加大对保障性租赁住房项目、房企并购优质项目的支持力度。

 

 

不良率整体有所上升

 

 

据中国证券报·中证金牛座记者梳理，目前已有交通银行、招商银行、兴业银行、中信银行、平安银行、苏州银行6家银行在年报中披露了涉房贷款情况。

 

上市银行房地产业不良贷款情况

数据来源：各银行2021年年报

 

以交通银行为例，截至2021年末，交通银行房地产业不良贷款余额为52.60亿元，较2020年末的47.11亿元有所提升。但不良贷款率有所降低，由2020年末的1.35%降低至1.25%。

 

图片来源：交通银行2021年年报

 

平安银行年报显示，截至2021年末，房地产业不良率为0.22%，较2020年末上升0.01个百分点，但远低于平均贷款不良率1.02%。

 

图片来源：平安银行2021年年报

 

其他股份行方面，截至2021年末，招商银行房地产业不良贷款率由2020年的0.3%上升至1.41%；兴业银行房地产业不良贷款率为1.08%，较2020年末上升了0.16个百分点；中信银行房地产业不良贷款率为3.63%，较2020年末上升了0.28个百分点。

 

中信银行年报表示，受房地产行业景气度下降等因素影响，个别房企偿付能力受到影响，使得债务风险上升。

 

图片来源：招商银行2021年年报

 

图片来源：兴业银行2021年年报

 

图片来源：中信银行2021年年报

 

不过，也有上市银行的房地产业贷款不良率明显提升。苏州银行年报显示，截至2021年末，房地产业不良贷款余额为5.14亿元，不良贷款率为6.65%，而2020年末以上两项数据分别为8880.20万元、1.36%。

 

对此，中国证券报·中证金牛座记者以投资者身份致电苏州银行投资者专线，工作人员回应称，这一方面与去年下半年以来房地产整体形势有关，另一方面是该行抱着风险出清的态度，主动加大了对房地产行业的拨备计提力度。

 

图片来源：苏州银行2021年年报

 

 

风险总体可控

 

 

对于目前涉房风险项目的进展，各家银行态度均较为乐观，表示业务发展谨慎，抵押资产充足，风险总体可控。

 

平安银行副行长郭世邦日前表示，该行房地产风险总体可控。宝能为最主要的房地产出险业务，但目前与宝能已达成司法和解，法院已经出具了调解书，其中金额最大的54亿元的宝能城项目马上可进入司法拍卖执行环节。如果销售顺利，2022年预计将形成大额的压降。

 

中信银行副行长胡罡介绍，该行房地产贷款业务呈现出以下四个特点：一是一直采取比较谨慎的态度，特别是对客户的选择。二是担保方面，现有的房地产对公客户99%有抵押。三是区域分布上，一二线城市房地产贷款余额合计超90%，其中一线城市占比超五成。四是提高对房地产贷款的拨备，拨贷比超6%，比对公整体的拨贷比多了一倍。

 

兴业银行风险管理部总经理邹积敏表示，该行房地产业务超过90%是自营资产，授信准入严格且阻断了理财业务的风险传染；房地产自营资产业务当中约90%是分布在一二线城市和三大都市圈的中心城市，资产估值比较稳定，违约率和违约损失率都比较小。

 

“目前兴业银行潜在风险的对公房地产项目约为200亿元，但资产减值已经计提到位。”邹积敏说，兴业银行专项安排200亿元的并购额度，主动向与该银行合作良好的优质开发商进行推介，推动足值项目与问题开发商脱钩，在“保交楼”中消除风险隐患。

 

 

将继续支持房地产业发展

 

 

各家银行表示，将继续支持房地产业务，在个人住房按揭贷款、保障性租赁住房、房企并购等领域发力。

 

对于未来平安银行在房地产业务方面的计划，郭世邦介绍，将继续支持普通商品住房的开发、积极支持保障性住房和租赁住房开发、有选择地支持优质企业实施的优质房地产项目并购。

 

房地产项目并购支持方面，除前期多家股份行外，AMC机构、国有大行近期也加入行列。3月25日，碧桂园集团与农业银行广东省分行举行战略合作签约仪式，签订200亿元并购及保障性租赁住房战略合作协议及200亿元住房按揭战略合作协议，双方后续将进一步深化全面战略合作关系。

 

编辑：亚文辉

 

 

 

 

 

 

 

 

 

 

银行的风控，经历了从传统模式到智能风控，再到数字化风控的进化过程。不同的风控模式有不同的特点，本文作者对这三大风控模式的特点进行了总结分析，一起来看一下吧。

银行的风控，经历了从传统模式到智能风控，再到数字化风控的进化过程。相对于传统的风控手段，大数据风控体系的数据来源更广、维度更多，决策审批过程自动化程度更高，基于算法构建的模型更客观公正。这些特点既成为了大数据风控的优势，也为大数据风控领域构筑了很高的技术门槛。

通过人工智能、大数据、云计算等新技术，传统金融机构对借贷中各环节进行优化，包括传统风控中的金融数据，以及对借款申请人还款能力和还款意愿的风险特征进行描述。通过大数据，将多个维度的数据，例如消费、社交等进行分析整理，以此达成金融新型风险评估模式。

以此，金融机构可以不单一依赖于传统的金融信贷数据，并且可以对征信白户，即没有任何信用记录的人群进行风险审查，进行定价，进而提供金融产品和服务。

一、传统风控模式

传统风控的做法更多是基于专家经验的人工审批，依赖于审贷官对材料的理解与把握，并给出最终意见。假设有两笔贷款同时审批，那么审贷官会根据经验，基于排序做出相应决策，很快得出结论——甲贷款要优于乙贷款。

如果更进一步，请审贷官详细说明，甲贷款比乙贷款风险低多少，甲、乙两笔贷款的风险分别处于什么水平？审贷官就很难给出精确回答了。这有点类似大脑在处理一些模糊信号的时候，我们虽然能够做出评估排序、对比排序，但是很难做到足够精确。

传统的风控模式包括信贷工厂、IPC技术模式、台州模式以及巴塞尔协议模式等，下面我们简要回顾一下。

1. 信贷工厂模式

信贷工厂模式，是指银行在授信业务管理时，通过设计标准化产品和流程，统一规范不同信贷产品的信贷作业过程，类似于工厂“流水线”，主要强调全流程风险管理。从前期接触客户开始，到调查、审查、审批，贷款发放，贷后维护、管理以及贷款的回收等工作，均采取流水线作业、标准化管理。

这一模式原本起源于新加坡淡马锡模式。淡马锡公司成立于1974年，是由新加坡财政部监管、以私人名义注册的一家控股公司，淡马锡公司在对中小企业授信管理过程中，开发出了一种批量化生产中小企业融资产品的运作方式，被业界称作淡马锡模式、信贷工厂模式。

该模式的出现，主要是为了解决中小企业的融资问题，信贷工厂模式适用于批量化作业的各类信用贷款领域，从个人消费到小微企业经营均可使用，应用空间比较广阔。

信贷工厂模式的优点如下：

1）责任落实到位

在信贷工厂模式下，作业被切割成最小单元，每个参与人员都能熟练从事岗位职责内工作，责任可以落实到个人。

2）规模效应凸显

由于个人负责的工作领域极度细分，使得工作效率大幅度提高，规模化效应得以显现，从而提高利润率。

3）“四眼”交叉验证

在贷款办理过程中，客户经理、审批人员和贷后管理人员分工明确、各司其职，对于同一笔业务，可以从不同角度进行交叉验证，有效遵循四眼原则。

4）提升工作效率

客户信息被录入信贷系统后，自动评分、自动审批；客户经理也可以根据评分卡结果，筛选符合本行风险偏好的优质客户，既节省时间，也可以避免做无用功。

5）迅速抢占市场

对于异地客户，也可以做到依靠系统自动审批处理，审批时间快，客户体验好，有利于迅速拓展客户并抢占市场。

信贷工厂模式的缺点如下：

1）资金投入多

银行开展信贷工厂模式，前期需要投入大量成本，包括平台搭建、客户评分模型开发或者其他针对性的研发。

2）人员成本高

该模式需要的岗位较多，在实际管理上难度很高，相应的人力成本也很高。

3）风控要求严

该模式不能做到对每位客户精细审查，对整体风险监控能力以及坏账的处理要求都比较高。

2. IPC技术模式

理调查走访、信息交叉验证等方面进行培训，提升客户经理辨别虚假信息能力和编制财务报表的技能，防范信用风险。

核心主要为三方面，一是考察借款人的偿债能力；二是衡量借款人的偿贷意愿；三是公司内部操作风险的控制。IPC模式的创新之处在于，银行风险把控的侧重点，是关注借款人的还款意愿、企业的经营情况以及现金流，而不是根据客户资产价值评估等因素决定。

IPC技术模式的优点如下：

• 专注业务：银行能够专注于贷款业务本身，微贷额度较少，资金挪用可能性较小。
• 管理精细：客户经理对每户贷款都可以做到逐笔调查，精细化管理。
• 信息对称：客户经理从贷前决策到贷后管理全程参与，信息对称程度高。
• 风险定价：该模式能够做到根据客户不同资质进行风险定价，利润回报率较高。
• 方便快捷：该模式的贷款方式较为灵活，适合不同的企业选择。

IPC技术模式的缺点如下：

1）人员数量多

采用单户调查和分析的方式，依赖大量人才支持，银行必须不断做好信贷人员招聘与培训工作，充实一线队伍。

2）服务单一化

该模式无法为客户提供全面金融服务，市场竞争能力较弱，不利于锁定客户。

3）工作效率低

该模式逐笔操作业务，在走访客户时有需要大量时间，放款周期长，跟踪效率低下，规模增速较慢。

5）道德风险大

决策过于依赖客户经理自身判断，很容易产生道德风险。

3. 台州模式

小微贷款、普惠金融等市场领域，台州作为我国小微金融发展的标杆地区，在长期发展过程中取得了重要成就，逐步形成了颇具特色的台州模式，在国内外金融市场的冲击下其发展也面临着巨大的压力和挑战。

台州模式的特点如下：

• 泰隆银行：形成了以“三品、三表、三三制”为特色的小企业金融服务模式。
• 台州银行：探索出“三看三不看”的风控技术和“下户调查、眼见为实、自编报表、交叉检验”的信贷经验。
• 民泰银行：形成了“看品行、算实账、同商量”的风控“九字诀”特色做法。

台州模式面临的挑战如下：

1）个性服务供给偏少

面向小微企业信贷产品虽然众多，但产品功能单一，地方性、区域性特色小微金融服务产品创新较少。

2）技术赋能有待提升

小微金融机构亟需科技赋能，打造线上融资产品体系，提高服务效率和降低运营成本。

3）复合人才集聚不足

台州金融人才结构不合理，单一专业人才偏多，跨专业复合型人才少，尤其是对国内小微金融市场和业务熟悉的人更是偏少。

4. 巴塞尔协议模式

传统银行以巴塞尔协议为基础开展相关风控工作，可称之为“巴塞尔模式”。从1988年的巴塞尔协议Ⅰ到2001年的巴塞尔协议Ⅱ，直到2010年推出的巴塞尔协议Ⅲ，最终要求银行进一步明确资本定义，扩大风险覆盖范围并加强交易对手信用风险管理。

在巴塞尔协议模式中，信用风险主要以PD（Probability of Default，违约率）、LGD（Loss Given Default，违约损失率）、EAD（Exposure At Default，违约风险敞口）、期限、相关性等计量方法为核心来计量。

巴塞尔协议模式的优点如下：

• 全面风险管理
• 涵盖信贷业务等各类风险
• 具有可实施的风控计量体系和方法

巴塞尔协议模式的不足如下：

• 实施巴塞尔协议需要监管机构审批
• 虽然内部计量模型依靠银行自身数据，但是其局限性极易导致估计偏差
• 对于金融创新监管没有实时更新和统一的方法

二、智能风控模式

从线下到线上，从因特网到移动互联网，随着时代的不断发展，银行风控体系也在不断演变。起初，银行人工审核办理信贷业务，后来逐渐引入系统辅助，完成了从人工审批到自动审批的进化。

随着大数据的发展，更多弱变量加入风控体系，替代了原先的单一强变量风险评估，完成了自动化到大数据的进化。在互联网与移动互联网时代，新型欺诈手段层出不穷，人工智能技术催生大数据向智能化的演变。

智能风控技术是银行在自动化、大数据、云计算、人工智能、区块链等金融科技应用的基础上，逐渐发展而来的。与传统风控相比，在以下方面具有鲜明特点。

智能风控的优势如下：

• 大数据平台是基础：为数据模型与风控策略提供高质量数据保障。
• 决策引擎是媒介：为数据模型与风控策略提供高效部署能力。
• 智能模型是大脑：将原始数据提炼为规则集，实时预测风险水平。

智能风控的不足如下：

• 与传统业务匹配度低，业务人员难以理解和应用。
• 传统风控制度，与智能风控方式仍存在一定矛盾。
• 经验驱动的传统风控，与数据驱动的智能风控难以相互融合。

三、智能风控与传统风控

与传统风控模式侧重专拣经验不同，智能风控更多的是以量化模型和基于数据分析的策略为主，不仅能够对每个申请的好坏进行对比和排序，还能进一步说明每一笔申请的风险在什么水平、PD是什么水平、LGD是什么水平。在这个基础上我们就不仅能做审批，还能够做精确的风险定价等更多的工作。

具体而言，两种风控模式在以下3个方面有所区别，如表所示：

四、数字化风控

我们永远不要忘记，银行的本质是风控，无论传统模式还是智能模式，最终目的都是要做好风险管理。数字化风控堪称传统风控与智能风控的集大成者，既吸取了两种模式的优点，也在最大程度上避免了两种模式的缺点。

数字化时代，传统风控的短板显而易见，而智能风控从银行实际情况来看，应用领域有限且处于探索阶段。大部分银行最需要实现的是风控的标准化与数字化，其中最关键的是信用风险决策的底层逻辑及量化过程。

数字化风控的表现形式主要有以下3个方面。

1. 数字化风控流程

数字化流程是数字化风控的基础，贯穿信贷业务贷前、贷中、贷后等将部分或全部环节。例如在贷后环节，信贷资金真实流向、客户还款记录、客户回访信息及客户其他风险信息，需要通过流程来获取并保存。

数字化流程以优化客户体验、提高决策效率、降低操作成本为目标，其最重要的意义，在于风控的标准化与稳定性。流程标准化才能产生有价值数据。

2. 数字化风险信息

在传统模式中，银行信贷决策依据的信息有文字的、数字的；有行内采集的、外部数据源提供的；有原始材料和加工后的信息。这些信息首先都需要电子化，形成数字和标签，然后通过特定数据逻辑，将信息归纳后呈现出来，用于风险决策的信息依据。

此外，为了支持应用层面的数据需求，往往需要对系统内部的数据资源进行“治理”。从数据治理到数据呈现，是信息由里到外进行数字化的完整过程。

3. 数字化风险决策

风险决策自动化是数字化风控的高级表现形式，目前在信用卡审批和小金额的消费金融领域，已经完全实现决策的自动化。

风险决策的自动化往往涉及数据和风险决策模型。数据涉及内部数据和外部数据的连接和管理。涉及模型就需要根据信贷产品的结构、流程、数据资源和客户情况，形成风险逻辑并量化。量化的风险决策模型，能避免人员的主观性和道德风险。

数字化时代，土地等不动产要素价值会不断降低，企业创造价值的方式也在发生改变，越来越多的企业不再依赖土地、厂房、设备来创造价值。银行未来的客户，其业务模式迥异于传统，如果还坚持无担保、无抵押不能放款，将面临客户大量流失、业务严重萎缩的极端不利局面，在新的经济生态系统中无法立足。选择数字化风控升级，是银行必然选择。

银行要基于传统信贷、IPC模式、信贷工厂以及巴塞尔协议的成功经验，结合最新智能风控技术，构建全面数字化风控体系，如图所示：

信贷的本质是风控，风控核心是数据，数字化风控看两个方面的能力：一个是数据积累，另一个就是技术能力。

五、小结

风险管理作为商业银行的核心竞争力，其能否适应数字化转型趋势，将决定银行数字化转型的成败。数字化风控是指银行通过数字化、智能化手段充分发挥数据和技术等生产要素价值，全面推进数字化风控体系建设，提升各类风险管理的效率和效能。

一方面是提升对传统风险的管理能力，如在信贷业务全生命周期管理过程中对风险识别更准确、预警更及时、管控更有效，运用大数据技术降低反洗钱合规风险和运营操作风险。另一方面是通过数字化风控，有效应对业务线上化、场景化发展伴生的各类新型风险，如欺诈风险、敏感信息泄露风险等。

随着银行线上业务的快速增长，平台化、场景化、批量化的获客模式深入发展，各类风险扩散更加快速、隐蔽，对银行风险管理的敏捷度和精准度提出了更高要求。银行依靠人工审核和专家策略等传统风控措施，难以适应线上信贷业务风险防控的需求，这也从客观上要求银行推进数字化风控体系建设。

作者：汤向军；公众号：营销数字化转型（ID：Fi-Digital），银行数字化转型

本文由@汤向军 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务

上一篇：002374股吧东方财富网(股票)

下一篇：600132行情(股票行情)